LAPORAN AKHIR PRAKTIKUM

STATISTIKA INDUSTRI

Disusun Oleh:

Kelompok : 4 (Empat)
Nama (NPM) : 1. Rifqiy Akmal (36418168)
2 Risma Wanda Azizah (36418239)
3. Syahrul Ramadio (36418914)
4. Tri Akbarrudin Syah (37418120)
Hari/ Shift : Jumat/ V (Lima)
Modul : ANOVA Satu Arah

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
DEPOK
2019
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Perusahaan adalah tempat terjadinya kegiatan produksi dan berkumpulnya
faktor produksi, dalam memproduksi sebuah produk harus mengetaui variabel apa aja
yang akan digunakan, akan tetapi perusahaan belum mengetahui keseragaman data
pada satu faktor yang mempengaruhinya. Setiap perusahaan perlu melakukan
pengujian terhadap kumpulan hasil pengamatan mengenai suatu hal, misalnya jumlah
pekerja, dan hasil produk jadi. Suatu perusahaan nilainya bervariasi antara satu dengan
yang lainnya. Permasalahan perusahaan adalah perusahaan belum mengetahui
keseragaman data dari satu faktor yang mempengaruhinya. Hal ini berhubungan
dengan varian dan rata-rata yang banyak digunakan untuk membuat kesimpulan, maka
dari itu dilakukan analisis varian yang ada dalam cabang ilmu statistika industri yaitu
ANOVA. Perusahaan harus bisa memprediksi seberapa besar rata-rata tiga populasi
atau lebih, apakah populasi tersebut sama atau tidak.
Pengertian anova adalah suatu teknik untuk menguji kesamaan beberapa rata-rata
secara sekaligus. Uji yang dipergunakan dalam anova adalah uji F karena dipakai untuk
pengujian lebih dan 2 sampel. ANOVA terdiri dari atas dua metode, yaitu metode satu
arah dan dua arah. Metode ANOVA satu arah digunakan untuk mencari nilai rata-rata
pemakaian suatu barang atau jasa, bisa juga untuk mengukur rata atau tidaknya
produksi yang berlangsung pada satu bagian. Dalam ANOVA satu arah ini terbagi
mejadi dua bagian perhitungan, yaitu perhitungan dengan jumlah sampel yang sama
banyak dan jumlah sampel yang berbeda.
Penerapan anova satu arah dalam dunia industri adalah untuk menguji rata-rata data
hasil pengamatan yang dilakukan pada sebuah perusahaan ataupun industri. Studi kasus
yang diamati pada anova satu arah dengan jumlah sampel sama banyak adalah pada PT
Astute penghasil kertas yang ingin mengetahui apakah rata-rata brownis dihasilkan
dengan 5 variasi yang berbeda adalah sama banyak atau tidak. Studi kasus yang diamati
pada anova satu arah dengan jumlah sampel berbeda adalah pada PT Astute pembuat
Brownis yang ingin mengetahui apakah rata-rata jumlah barang jadi dari 5 rasa yang
berbeda adalah sama banyak atau tidak.

1.2 Tujuan Penulisan

Tujuan penulisan pada laporan akhir praktikum statistika industri ini berisi
mengenai hal-hal apa saja yang akan dicari pada modul ini. Tujuan penulisan dibuat
agar penulis fokus dengan tujuan yang telah ditulis pada laporan akhir ini, untuk modul
ANOVA Satu adalah sebagai berikut:
1. Mengetahui rata-rata dari kelima rasa brownis selama 12 bulan adalah sama atau
tidak pada sampel data yang sama banyak.
2. Mengetahui rata-rata dari kelima rasa brownis selama 12 bulan adalah sama atau
tidak pada sampel data yang tidak sama banyak.
 BAB II
LANDASAN TEORI
2.1 Pengertian ANOVA Satu Arah
ANOVA adalah sinonim dari Analisis Varians terjemahan dari Analysis of
Variance dan disebut juga dengan Analisis Ragam, tetapi kebanyakan orang
menyebutnya dengan Anova. Anova merupakan bagian dari metoda analisis statistika
yang tergolong analisis komparatif lebih dari dua rata-rata (Riduwan, 2010).
Analisis Varians (ANOVA) adalah teknik analisis statistik yang dikembangkan
dan diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush, 1985). Anava
dapat juga dipahami sebagai perluasan dari uji-t sehingga penggunaannya tidak
terbatas pada pengujian perbedaan dua buah rata-rata populasi, namun dapat juga untuk
menguji perbedaan tiga buah rata-rata populasi atau lebih sekaligus.Jika diuji hipotesis
nol, bahwa rata-rata dua buah kelompok tidak berbeda, teknik Anova dan uji-t (uji dua
pihak) akan menghasilkan kesimpulan yang sama, keduanya akan menolak atau
menerima hipotesis nol. Dalam hal ini, statistik F pada derajat kebebasan 1 dan n-k
akan sama dengan kuadrat dari statistik t. Anova digunakan untuk menguji perbedaan
antara sejumlah rata-rata populasi dengan cara membandingkan variansnya (Riduwan,
2010).
Analisis ragam adalah suatu metode untuk menguraikan keragaman total data
kita menjadi komponen-komponen yang mengukur berbagai sumber keragaman.
Analisis ragam untuk menguji kesamaan beberapa nilai tengah secara sekaligus
diperlukan sebuah teknik yang baru (Walpole, 1995).
ANOVA Satu Arah (One Way ANOVA) biasanya digunakan untuk menguji
rata-rata atau pengaruh perlakuan dari suatu percobaan yang menggunakan satu faktor,
di mana satu faktor tersebut memiliki tiga atau lebih kelompok. Disebut satu arah
karena si peneliti dalam penelitiannya hanya berkepentingan dengan satu faktor saja
atau juga dapat dikatakan One Way ANOVA mengelompok data berdasarkan satu
kriteria saja, misalnya ingin mengetahui ada perbedaan yang nyata antara rata-rata
hitung tiga kelompok data dan uji statistikanya yang digunakan uji F.
2.2 Asumsi-asumsi Dasar Analisis Varians
Analisis varians adalah suatu teknik yang dipakai untuk membandingkan dua
atau lebih parameter populasi. Teknik ini sering dipakai untuk penelitian terutama pada
rancangan penelitian eksperimen, penelitian-penelitian yang memiliki implikasi
pengambilan keputusan untuk menggunakan teknologi baru, prosedur baru, dan
kebijakan baru. Hasil perhitungan analisis varians yang dipergunakan untuk menguji
hipotesis tentang signifikansi perbedaan rata-rata hitung dapat dimanfaatkan dan
digeneralisasikan jika ia memenuhi beberapa asumsi dasar. Terdapat tiga asumsi-
asumsi dasar ANOVA yaitu sebagai berikut (Nurgiantoro, 2002).
1. Data dari populasi-populasi (sampel) berjenis interval atau rasio.
2. Populasi-populasi (sampel) yang akan diuji lebih dari dua populasi.
3. Populasi-populasi yang akan diuji berdistriibusi normal
4. Varians setiap populasi (sampel) harus sama.

2.3 Rumus Interpolasi

Pengujian klaifikasi satu arah merupakan pengujian hipotesis beda tiga rata-rata
atau lebih dengan satu faktor yang berpengaruh (Hasan, 2003)
Langkah-langkah pengujian klasifikasi satu arah ialah sebagai berikut
1) Menentukan formulasi hipotesis
H0: µ1= µ2 = µ3 = ... = µK
H1: µ1≠ µ2 ≠ µ3 ≠ ... ≠ µK
2) Menentukan taraf nyata (α) beserta F tabel
Taraf nyata (α) ditentukan dengan derajat pembilang (v1) dan derajat penyebut
(v2). v1 = k – 1 dan v2 = k(n – 1). Fα(v1:v2) = ...
3) Menentukan kriteria pengujian
H0 diterima apabila F0 ≤ Fα(v1:v2)
H0 ditolak apabila F0 >Fα(v1:v2)
4) Membuat analisis variansnya dalam bentuk tabel ANOVA
Akan lebih memudahkan bagi uraian selanjutnya bila suku-suku jumlah kuadrat
diberi notasi berikut:
 JKT = = jumlah kuadrat total.
……..(2.1)

JKK = - = jumlah kuadrat untuk nilai tengah kolom. …(2.2)

JKG = JKT – JKK = jumlah kuadrat galat

....... …...…...(2.3)

Banyak pengarang lebih suka menyebut jumlah kuadrat bagi nilai tengah kolom
dengan jumlah kuadrat perlakuan. Terminologi ini berasal dari kenyataan bahwa k
populasi yang berada tersebut seringkali diklasifikasikan menurut perlakuan yang
berbeda. Dalam terminologi ini, pengamatan menyatakan (n) pengukuran dari
perlakuan ke-i. Salah satu nilai dugaan yang didasarkan pada k-1 derajat bebas adalah
(Walpole, 1995).

S12 =
…………………………..(2.4)
2
Bila H0 benar, S1 merupakan penduga bagi . Akan tetapi, bila H1 benar, JKK
atau jumlah kuadrat untuk nilai tengah kolom cenderung menghasilkan nilai yang lebih
2 2
besar, artinya S1 menduga lebih (overestimate) . Nilai dugaan bagi yang lain, yang
didasarkan pada k(n-1) derajat bebas adalah (Walpole, 1995).

S22 =
……………………….......(2.5)
Bila Ho benar maka nilai peubah acak F yang mempunyai sebaran F dengan k-1
2
dan k(n-1) derajat bebas. Karena S1 menduga lebih bila Ho salah maka hanya
mempunyai uji satu arah dengan wilayah kritiknya terletak seluruhnya di ujung kanan
sebarannya. Hipotesis nol Ho ditolak pada taraf nyata bila (Walpole, 1995).

F > Fa [k – 1, k(n – 1)]

…………………..(2.6)
Tidaklah mudah menghitung JKT, JKK, dan JKG dengan menggunakan rumus definisi
diatas. Dalam prakteknya, kita menghitung JKT dan JKK dengan rumus berikut ini dan
kemudian dengan memanfaatkan dalil identitas jumlah kuadrat, memperoleh JKG
melalui pengurangan (Walpole, 1995)

JKT =

JKK = -
JKG = JKT – JKK
k = kolom
n = baris

............... ..........................................................................................(2.7)

JKT =

JKK = -
JKG = JKT – JKK
Derajat bebas error = N – k
N = jumlah sampel

......……………………………….(2.8)

Tabel 2.1 Analisis Ragam bagi Klasifikasi Satu Arah

Sumber Jumlah Derajat Rata-rata
Fhitung
Varians Kuadrat Bebas Kuadrat

Rata-rata S12 =
JKK k-1 F0 =
Kolom

Galat JKG k(n – 1)

S22 =
Total JKT nk - 1
Selain menggunakan tabel ANOVA, analisis varians dapat juga dilakukan secara
langsung dengan menggunakan langkah-langkah berikut (Hasan, 2003).
1. Menentukan rata-rata sampel (rata-rata kolom).
2. Menentukan varians sampel.
3. Menentukan rata-rata varians sampel.
4. Menentukan varians rata-rata sampel.

Fo =

a\ .................(2.9)

5) Membuat Kesimpulan
Menyimpulkan Ho diterima atau ditolak dengan membandingkan antara langkah
ke -4 dengan kriteria pengujian pada langkah ke-3.
 BAB III
HASIL DAN PEMBAHASAN

3.1. Studi Kasus

PT Astute merupakan perusahaan manufaktur yang memproduksi brownis.
Kepala bagian produksi ingin mengetahui rata-rata hubungan antar jumlah peminat
terhadap varian rasa brownis. Hal ini dilakukan untuk mengoptimalkan produk
brownis. Berikut ini merupakan hasil pengamatan selama 12 bulan. Data ini akan
digunakan untuk mendapatkan hasil persamaan ANOVA satu antara jumlah peminat
terhadap rasa brownis.

3.1.1 Studi Kasus Jumlah Sampel Sama Banyak

PT Astute merupakan perusahaan yang bergerak dibidang manufaktur dalam
pembuatan Makanan. PT Astute ingin mengetahui rata-rata hubungan antra jumlah
peminat terhadap rasa brownis. Terdapat lima varian rasa yang diproduksi oleh PT
Astute yaitu cokelat, pandan, keju, green tea, dan tiramisu. Perusahaan ingin
melakukan pengamatan terhadap jumlah peminat terhadap varian rasa yang diproduksi
oleh perusahaan. Pengamatan ini dilakukan untuk mengetahui rata-rata peminat
terhadap sampel sama banyak dalam waktu 12 bulan. Berikut tabel hasil pengamatan
yang diambil secara acak oleh PT Astute.
Tabel 3.1 Data Pengamatan Jumlah Sampel Sama Banyak
Varian Rasa
Bulan Ke-
Cokelat Pandan Keju Green Tea Tiramisu
1 96 65 108 94 62
2 99 96 103 89 55
3 93 107 105 63 78
4 90 85 100 74 76
5 91 88 88 78 104
6 89 86 114 104 110
7 102 74 108 86 88
8 104 109 90 90 85
9 86 96 93 101 86
10 98 94 76 79 79
11 109 104 88 65 85
12 110 112 89 57 110
 Berdasarkan tabel tersebut, PT Astute melakukan beberapa perhitungan secara
manual dan pengolahan software untuk mengetahui rata-rata jumlah peminat pada
variasi rasa brownies yang dimiliki perusahaan jika sampel yang dimiliki sama banyak
dengan taraf nyata yang digunakan adalah 5% atau 0,05.

3.1.2 Studi Kasus Jumlah Sampel Tidak Sama Banyak

PT. Astute merupakan perusahaan yang bergerak dibidang manufaktur dalam
pembuatan brownis. PT Astute ingin mengetahui rata-rata hubungan antra jumlah
peminat terhadap rasa brownis. Terdapat lima variasi warna yang diproduksi oleh PT
Astute yaitu cokelat, pandan, keju, green tea, tiramisu. Perusahaan ingin melakukan
pengamatan terhadap jumlah peminat terhadap banyak warna yang diproduksi oleh
perusahaan. Pengamatan ini dilakukan untuk mengetahui rata-rata peminat terhadap
sampel tidak sama banyak dalam waktu 12 bulan. Berikut tabel hasil pengamatan yang
diambil secara acak oleh PT. Astute.
Tabel 3.2 Data Pengamatan Sampel Tidak Sama Banyak
Varian Rasa
Bulan Ke-
Cokelat Pandan Keju Green Tea Tiramisu
1 89 93 109 86 80
2 113 - 103 82 -
3 90 108 112 59 103
4 - 80 109 79 89
5 109 94 - - 103
6 97 79 104 81 -
7 103 - 110 69 89
8 100 110 103 70 73
9 - 87 99 86 99
10 87 108 - - 88
11 113 101 104 122 90
12 105 103 112 113 100

Berdasarkan data tersebut perusahaan ingin mengetahui rata-rata jumlah

peminat pada variasi rasa brownis yang dimiliki perusahaan jika sampel yang dimiliki
tidak sama banyak dengan taraf nyata yang digunakan adalah 5% atau 0,05.
3.2. Pengujian dan Pengolahan Data
Pengujian data adalah manipulasi data kedalam bentuk yang lebih berarti
berupa informasi, sedangkan informasi adalah hasil dari kegiatan-kegiatan pengolahan
data yang memberikan bentuk yang lebih berarti dari suatu kegiatan atau peristiwa.
Pengujian dilakukan menggunakan software SPSS 16.0

3.2.1 Pengujian Data

Pengujian data yang dilakukan antara jumlah peminat dan variasi warna dengan
menggunakan uji normalitas dan homogenitas. Pengujian data dilakukan menggunakan
software SPSS 16.0. Pengujian ANOVA Satu Arah meliputi pengujian data sampel
sama banyak dan pengujian data sampel tidak sama banyak.
1. Pengujian Data Jumlah Sampel Sama Banyak
Pengujian data berdasarkan jumlah sampel sama banyak diketahui data sebanyak
60 dalam waktu 12 bulan. Pada jumlah sampel sama banyak ingin mengetahui
output Test of Normality bagian Kolmogorov-Smirnov dan Test of Homogenity of
Variance. Berikut hasil percobaannya.

Gambar 3.1 Output Test of Normality Kolmogorov-Smirnov

Pada hasil percobaan berdasarkan Test of Normality didapatkan variansi rasa
Cokelat hasil Sig. sebesar 0,200, Pandan hasil Sig. sebesar 0,200, Keju hasil Sig.
sebesar 0,200, Green tea hasil Sig. sebesar 0,200 dan Tiramisu hasil Sig. sebesar
0,200 yang dimana memenuhi taraf nyata (0,05) dan H0 diterima, sehingga
kesimpulan data tersebut berdistribusi secara normal dilihat pada bagian
kolmogorov-smirnov karena datanya sebanyak 60 data.
 Gambar 3.2 Output Test of Homogenity of Variance
Pada hasil percobaan berdasarkan Test of Homogenity of Variance untuk menguji
apakah sampel dan populasi yang digunakan homogen atau tidak. Output tersebut
terdiri dari Levene Statistic, df1, df2, Sig. Levene Statistic merupakan suatu nilai
yang menyatakan tingkat homogenitas suatu data. Nilai Levene Statistic yang
semakin mendekati 0 maka data semakin homogen dan didapatkan hasil untuk
Based on Mean didapatkan hasil Levene Statistic 1,261. Df1 merupkan jumlah
kelompok data dikurang 1 hasil df1 sebesar 4, df2 merupakan derajat bebas eror
dari jumlah kelompok data dikalikan baris dikurangi 1 hasil df2 sebesar 55. Sig.
merupakan suatu nilai yang menyatakan suatu data bersifat homogen atau tidak
dengan hasil Sig. didapatkan hasil sebesar 0,296 sesuai dengan ketentuan nilai sig.
lebih besar dari 0,05 maka data tersebut bersifat homogen.
2. Pengujian Data Jumlah Sampel Tidak Sama Banyak
Pengujian data berdasarkan jumlah sampel sama banyak diketahui data sebanyak
50 data dalam waktu 12 bulan. Pada jumlah sampel sama banyak ingin mengetahui
output Test of Normality bagian Shapiro-Wilk dan Test of Homogenity of Variance.
Berikut hasil percobaannya.

Gambar 3.3 Output Test of Normality Shapiro-Wilk

 Pada hasil percobaan berdasarkan Test of Normality didapatkan variansi rasa
Cokelat hasil Sig. sebesar 0,200, Pandan hasil Sig. sebesar 0,200, Keju hasil Sig.
sebesar 0,200, Green tea hasil Sig. sebesar 0,200 dan Tiramisu hasil Sig. sebesar
0,200 yang dimana memenuhi taraf nyata (0,05) dan H0 diterima, sehingga
kesimpulan data tersebut berdistribusi secara normal dilihat pada bagian
kolmogorov-smirnov karena datanya sebanyak 50 data.

Gambar 3.4 Output Test of Homogenity of Variance

Pada hasil percobaan berdasarkan Test of Homogenity of Variance untuk menguji
apakah sampel dan populasi yang digunakan homogen atau tidak. Output tersebut
terdiri dari Levene Statistic, df1, df2, Sig. Levene Statistic merupakan suatu nilai
yang menyatakan tingkat homogenitas suatu data. Nilai Levene Statistic yang
semakin mendekati 0 maka data semakin homogen dan didapatkan hasil untuk
Based on Mean didapatkan hasil Levene Statistic 2,533. Df1 merupkan jumlah
kelompok data dikurang 1 hasil df1 sebesar 4, df2 merupakan derajat bebas eror
dari jumlah kelompok data dikalikan baris dikurangi 1 hasil df2 sebesar 42. Sig.
merupakan suatu nilai yang menyatakan suatu data bersifat homogen atau tidak
dengan hasil Sig. didapatkan hasil sebesar 0,054 sesuai dengan ketentuan nilai sig.
lebih besar dari 0,05 maka data tersebut bersifat homogen.

3.2.2 Perhitungan Manual

Perhitungan manual adalah suatu cara yang digunakan untuk menghitung suatu
data dalam bentuk manual yang dimana terdapat proses yang bertahap untuk
mendapatkan hasil yang jelas dan pasti. Perhitungan manual biasanya dilakukan
sebagai salah satu cara untuk mendapatkan hasil yang sesuai dengan langkah yang
disesuaikan.
1. Perhitungan Manual Jumlah Sampel Sama Banyak
Perhitungan manual jumlah sampel sama banyak untuk mengetahui perbandingan
rata-rata antara F0 dan F tabel. Perhitungan yang didapatkan akan menghasilkan
tabel ANOVA yang sesui dengan ketentuan.
a. Menentukan formulasi hipotesis
Formulasi hipotesis adalah jawaban sementara terhadap masalah yang masih
bersifat praduga karena harus dibuktikan kebenarannya. Berikut ini merupakan
formulasi hipotesisnya.
H0 = Rata – rata jumlah peminat terhadap rasa brownis yaitu cokelat, pandan,
keju, green tea, dan tiramisu selama 12 bulan adalah sama.
H1 = Sekurang – kurangnya ada satu rata – rata jumlah peminat rasa brownis
yaitu cokelat, pandan, keju, green tea, dan tiramisu selama 12 bulan
adalah tidak sama.
b. Menentukan Taraf Nyata (a) dan Nilai F tabel
Taraf nyata adalah istilah yang biasa digunakan dalam statistic sebagai acuan
untuk mengetahui apakah sesuatu yang diberikan terhadap suatu objek akan
dapat memberikan dampak. Nilai F table adalah suatu nilai tertentu yang
digunakan sebagai nilai pembanding, apakah sebuah pengujian yang
menggunakan F hitung dikatakan signifikan atau tidak.
a = 5% = 0,05
V1 = k – 1 = 5 – 1 = 4
V2= N – k = 60 – 5 = 55
Ftabel(v1;v2) = 2,55
c. Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau
menolak hipotesis 0 (H0) dengan cara membandingkan nilai alfa table
 distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk
ujiannya. Berikut ini merupakan kriteria pengujiannya.
𝐻𝑜 diterima apabila 𝐹𝑜 < 2,55
𝐻𝑜 ditolak apabila 𝐹𝑜 > 2,55
d. Analisis Varians
Analisis varians merupakan sebuah analisis statistic yang menguji perbedaan
rata-rata antara grup. Berikut ini merupakan perhitungan analisis varians.

JKK =  T 2   x 2
 
 n  N

=  11672  11162  11622  9802  10182   5443

2

 
12 12 12 12 12 60

= [113490,75+103788+112520,33+80033,33+86360,33]-493770,8167
= [496192,75]-493770,8167
= 2421,9333
T2 
JKT =  x 
2
  
 n 

= 508596,9333-[496192,75]
= 12404,1833
JKE = JKT - JKK
= 12404,1833-2421,9333
= 9982,25
JKK 2421,9333
S12 = k−1 = = 605,4833
4

JKE 9982,25
S22 = N−k = = 181,4955
55

S12 605,4833
F0 = S22 = 181,4955 = 3,3361
 Tabel 3.3 Tabel ANOVA Untuk Jumlah Sampel Sama Banyak
Derajat Rata-rata
Sumber Variasi Jumlah Kuadrat 𝑭𝑯𝒊𝒕𝒖𝒏𝒈
Kebebasan Kuadrat

Rata-rata Kolom 2421,9333 4 605,4833 3,3361

Error/Kesalahan 9982,25 55 181,4955

Total 12404,1833 59 786,9788

e. Kesimpulan
Kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis 0 (H0) yang sesuai dengan kriteria pengujiannya.
Berdasarkan nilai F hitung lebih besar dari f table yaitu 3,3361 > 2,55 maka H0
ditolak, sehingga bisa disimpulkan sekurang – kurangnya ada satu rata – rata
jumlah peminat rasa brownis yaitu cokelat, pandan, keju, green tea, dan
tiramisu selama 12 bulan adalah tidak sama.
2. Perhitungan Manual Jumlah Sampel Tidak Sama Banyak
Perhitungan manual jumlah sampel tidak sama banyak untuk mengetahui
perbandingan rata-rata antara F0 dan F tabel. Perhitungan yang didapatkan akan
menghasilkan tabel ANOVA yang sesui dengan ketentuan.
a. Menentukan formulasi hipotesis
Formulasi hipotesis adalah jawaban sementara terhadap masalah yang masih
bersifat praduga karena harus dibuktikan kebenarannya. Berikut ini merupakan
formulasi hipotesisnya.
H0 = Rata – rata jumlah peminat terhadap rasa brownis yaitu cokelat, pandan,
keju, green tea, dan tiramisu selama 12 bulan adalah sama.
H1 = Sekurang – kurangnya ada satu rata – rata jumlah peminat rasa brownis
yaitu cokelat, pandan, keju, green tea, dan tiramisu selama 12 bulan
adalah tidak sama.
b. Menentukan Taraf Nyata (a) dan Nilai F tabel
Taraf nyata adalah istilah yang biasa digunakan dalam statistic sebagai acuan
untuk mengetahui apakah sesuatu yang diberikan terhadap suatu objek akan
dapat memberikan dampak. Nilai F table adalah suatu nilai tertentu yang
digunakan sebagai nilai pembanding, apakah sebuah pengujian yang
menggunakan F hitung dikatakan signifikan atau tidak.
a = 5% = 0,05
V1 = k – 1 = 5 – 1 = 4
V2 = N – k = 50 – 5 = 45
Ftabel(v1;v2) = 2,59
c. Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau
menolak hipotesis 0 (H0) dengan cara membandingkan nilai alfa table
distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk
ujiannya. Berikut ini merupakan kriteria pengujiannya.
𝐻𝑜 diterima apabila 𝐹𝑜 < 2,59
𝐻𝑜 ditolak apabila 𝐹𝑜 > 2,59
d. Analisis Varians
Analisis varians merupakan sebuah analisis statistic yang menguji perbedaan
rata-rata antara grup. Berikut ini merupakan perhitungan analisis varians.
T2 (∑x)2
JKK = ∑ [ n ] − N
(1006)2 (963)2 (1065)2 (847)2 (914)2 (4795)2
=[ + + + + ]−
10 10 10 10 10 50

= [101203,6 + 92736,9 + 113422,5 + 71740,9 + 83539,6] −

452961,62
= [4548764,62] − 452961,62
= 2803
T2
JKT = ∑(x)2 − ∑ [ n ]
 (4795)2
= (89)2 + (113)2 +…+ (90)2 + (100)2 – 50

= 462254,12 – 452961,62
= 9292,5
JKE = 9292,5- 2803
= 6489,5
JKK 2803
S12 = k−1 = = 700,75
4
JKT 9292,5
S22 = N−k = = 144,21
42
S12 700,75
F0 = S22 = 144,21 = 4,8592

Tabel 3.4 Tabel ANOVA Untuk Jumlah Sampel Tidak Sama Banyak
Jumlah Derajat Rata-rata
Sumber Variasi 𝑭𝑯𝒊𝒕𝒖𝒏𝒈
Kuadrat Kebebasan Kuadrat

Rata-rata Kolom 2803 4 700,75 4,8592

Error/Kesalahan 6489,5 45 144,21

Total 9292,5 49 844,9611

e. Kesimpulan
Kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis 0 (H0) yang sesuai dengan kriteria pengujiannya.
Berdasarkan nilai f hitung lebih besar dari f table yaitu 4,8592 > 2,59, maka
Ho ditolak, sehingga bisa disimpulkan sekurang – kurangnya ada satu rata –
rata jumlah peminat rasa brownis yaitu cokelat, pandan, keju, green tea, dan
tiramisu selama 12 bulan adalah tidak sama.

3.2.3 Perhitungan Software

Pengolahan software pada modul ANOVA satu arah menggunakan software
SPSS 16.0. Penggunaan software SPSS dalam pengolahan data ini sangat diperlukan
guna untuk mempermudah dalam menentukan hasil rata-rata. Berikut adalah langkah-
langkah dalam mengola data menggunakan software SPSS 16.0.
1. Pengolahan Software Jumlah Sampel Sama Banyak
Langkah pertama untuk pengolahan software sampel sama banyak, buka software
SPSS 16.0. Setelah itu, tampilan yang akan keluar seperti pada gambar 3.5.

Gambar 3.5 Tampilan home bar SPSS 16.0

Langkah berikutnya, arahkan kursor pada Variable View tepat pada pojok kiri.
Kemudian isi variabel sesuai dengan apa yang ingin dibandingkan. Pada kolom
Decimal ubah semua nya menjadi 0. Tampilan yang muncul seperti pada gambar
3.6.

Gambar 3.6 Tampilan Variabel View

Langkah selanjutnya isi Values dengan cara arahkan kursor pad bar Values.
Kemudian isi value dan label yang telah di tentukan. Tampilan yang akan keluar
seperti pada gambar 3.7.
 Gambar 3.7 Tampilan Value Labels

Tahap selanjutnya, buka tampilan Data View tepat pada bawah kiri. Kemudian isi
data berdasarkan variabel yang sudah ditentukan. Tampilan yang akan muncul
seperti pada gambar 3.8.

Gambar 3.8 Data Pengamatan SPSS

Tahap selanjutnya, arahkan kursor anda pada Analyze. Kemudian arahkan ke

Compare Means dan pilih One-Way ANOVA kemudian klik.
 Gambar 3.9 Pengolahan One-Way ANOVA

Langkah selanjutnya, arahkan varibel ‘Jumlah_Peminat’ pindahkan ke kotak

‘Dependent List’. Kemudian masukkan variabel ‘Varian_rasa’ pada kotak Factor.
Tampilan yang akan muncul seperti pada gambar

Gambar 3.10 Pengaturan One-Way ANOVA

Kemudian klik tombol Post Hoc, akan muncul tampilan seperti pada gambar 3.10.
Kemudian centang bagian Bonferoni dan Turkey. Kemudian klik Continue.
 Gambar 3.11 Pengaturan Post Hoc One-Way ANOVA

Langkah selanjutnya, arahkan pada bagian Options. Tampilan yang akan keluar
seperti pada gambar 3.12. kemudian centang Descriptives dan Means Plot pada
bagian Statistics dan Exclude cases analysis by analysis pada bagian Missing
Values. Kemudian klik OK.

Gambar 3.12 Pengaturan Options One-Way ANOVA

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah
sampel sama adalah Tabel Descriptives.

Gambar 3.13 Output Descriptives Sampel Sama Banyak

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah

sampel sama adalah ANOVA.

Gambar 3.14 Output ANOVA Sampel Sama Banyak

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah
sampel sama adalah Post Hoc.

Gambar 3.15 Output Post Hoc Sampel Tidak Sama Banyak

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah

sampel sama adalah Homogeneous.

Gambar 3.16 Output Homogeneous Sampel Tidak Sama Banyak

2. Pengolahan Software Jumlah Sampel Tidak Sama Banyak
Langkah pertama untuk pengolahan software sampel tidak sama banyak, buka
software SPSS 16.0. Setelah itu, tampilan yang akan keluar seperti pada gambar
2.17.

Gambar 3.17 Tampilan home bar SPSS 16.0

Langkah berikutnya, arahkan kursor pada Variable View tepat pada pojok kiri.
Kemudian isi variabel sesuai dengan apa yang ingin dibandingkan. Pada kolom
Decimal ubah semua nya menjadi 0. Tampilan yang muncul seperti pada gambar
2.18.

Gambar 3.18 Tampilan Variabel View

Langkah selanjutnya isi Values dengan cara arahkan kursor pad bar Values.
Kemudian isi value dan label yang telah di tentukan. Tampilan yang akan keluar
seperti pada gambar 3.19.

Gambar 3.19 Tampilan Value Labels

Tahap selanjutnya, buka tampilan Data View tepat pada bawah kiri. Kemudian isi
data berdasarkan variabel yang sudah ditentukan. Tampilan yang akan muncul
seperti pada gambar 3.20.

Gambar 3.20 Data Pengamatan SPSS

Tahap selanjutnya, arahkan kursor anda pada Analyze. Kemudian arahkan ke
Compare Means dan pilih One-Way ANOVA kemudian klik.

Gambar 2.21 Pengolahan One-Way ANOVA

 Langkah selanjutnya, arahkan varibel ‘Jumlah_Peminat’ pindahkan ke kotak
‘Dependent List’. Kemudian masukkan variabel ‘Varian_rasa’ pada kotak
Factor. Tampilan yang akan muncul seperti pada gambar

Gambar 3.22 Pengaturan One-Way ANOVA

Kemudian klik tombol Post Hoc, akan muncul tampilan seperti pada gambar
3.23. Kemudian centang bagian Bonferoni dan Turkey. Kemudian klik
Continue.

Gambar 3.23 Pengaturan Post Hoc One-Way ANOVA

Langkah selanjutnya, arahkan pada bagian Options. Tampilan yang akan keluar
seperti pada gambar 3.24. kemudian centang Descriptives dan Means Plot pada
bagian Statistics dan Exclude cases analysis by analysis pada bagian Missing
Values. Kemudian klik OK.
 Gambar 3.24 Pengaturan Options One-Way ANOVA

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah

sampel sama adalah Tabel Descriptives.

Gambar 3.25 Output Descriptives Sampel Tidak Sama Banyak

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah

sampel sama adalah ANOVA.

Gambar 3.26 Output ANOVA Sampel Tidak Sama Banyak

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah
sampel sama adalah Post Hoc.

Gambar 3.27 Output Post Hoc Sampel Tidak Sama Banyak

Output yang dihasilkan berdasarkan percobaan dengan menggunakan data jumlah

sampel sama adalah Homogeneous.

Gambar 3.28 Output Homogeneous Sampel Tidak Sama Banyak

3.3. Analisis
Pengolahan data yang dilakukan dalam modul anova ini menggunakan dua
cara, yaitu perhitungan manual dan pengolahan software dengan menggunakan
software SPSS 16.0 maka akan diperoleh hasil yang dapat dianalisis lebih rinci untuk
menjelaskan anova satu arah yang terdapat pada studi kasus. Berikut ini adalah analisis
manual dan software dari hasil pengolahan data diatas.

3.3.1 Analisis Perhitungan Manual

Analisis perhitungan manual terbagi menjadi dua yaitu untuk jumlah data sama
banyak dan jumlah data tidak sama banyak adalah bentuk pengolahan data dari studi
kasus tentang sebaran nilai rata-rata jenis bahan dalam jumlah data yang sama banyak
dan tidak sama banyak.
1. Analisis Perhitungan Manual Jumlah Sampel Sama Banyak
Berdasarkan dari melakukan perhitungan manual, diperoleh nilai jumlah kuadrat
total (JKT) = 9982,25. Nilai jumlah kuadrat kolom (JKK)= 2421,9333 dan jumlah
kuadadrat error (JKE) = 12404,1833. Diperoleh juga nilai derajat bebas, Rata-rata
kuadrat dan F0. Nilai derajat bebas rata-rata baris adalah k-1 = 55.Nilai derajat bebas
rata-rata kolom adalah k(n-1)= 4 dan nilai derajat bebas error adalah N-1=55.
Sedangkan nilai rata-rata kuadrat pada rata-rata kolom adalah 605,4833 dan nilai
rata-rata kuadrat error adalah 181,4955 Nilai F0 yang diperoleh dari perhitungan
manual ini adalah 3,3361. Berdasarkan data perhitungan diatas, didapat nilai Fhitung
sebesar 3,3361 > F0,05 (4;55) = 2,55 maka H0 ditolak. Jadi rata-rata jumlah penjualan
untuk kelima varian rasa yaitu cokelat, pandan, keju, green tea, tiramisu selama 12
adalah tidak sama.

2. Analisis Perhitungan Manual Jumlah Sampel Tidak Sama Banyak

Berdasarkan dari melakukan perhitungan manual, diperoleh nilai jumlah kuadrat
total (JKT) =9292,5. Nilai jumlah kuadrat kolom (JKK) = 2803, dan jumlah
kuadadrat error (JKE) = 6489,5. Diperoleh juga nilai derajat bebas, Rata-rata
 kuadrat dan F0. Nilai derajat bebas rata-rata baris adalah k-1 =… Nilai derajat bebas
rata-rata kolom adalah k(n-1) = 4 dan nilai derajat bebas error adalah N-1 = 45.
Sedangkan nilai rata-rata kuadrat pada rata-rata kolom adalah 700,75 dan nilai rata-
rata kuadrat error adalah 144,21 .Nilai F0 yang diperoleh dari perhitungan manual
ini adalah 4,8592 Berdasarkan data perhitungan diatas, didapat nilai Fhitung sebesar
4,8592 > F0,05 (4;55) = 2,59 maka H0 ditolak. Jadi rata-rata jumlah penjualan untuk
kelima varian rasa yaitu cokelat, pandan, keju, green tea, tiramisu selama 12 adalah
tidak sama.

3.3.2 Analisa Perhitungan Software

Aplikasi tersebut untuk pengujian data menghasilkan 2 output yaitu test of
normality dan test of homogeneity of variance untuk jumlah data sampel sama banyak
dan jumlah data sampel tidak sama banyak. Sedangkan untuk pengolahan data sendiri
menghasilkan 4 output diantaranya adalah descriptive, ANOVA, output post hoc, dan
homogeneous untuk jumlah data sampel sama banyak dan jumlah data sampel tidak
sama banyak.
1. Analisis Pengolahan Software Jumlah Sampel Sama Banyak
Analisis perhitungan software merupakan penjelasan dari hasil yang telah diperoleh
dari perhitungan software. Berikut ini merupakan penjelasan dari perhitungan
software modul ANOVA. Hasil software pada tabel descriptive stastistic
menunjukan dari 60 data yang diamati dari jumlah peminat dan varian rasa.
Berdasatkan hasil output descriptives contohnya pada bagian rasa cokelat dengan
N adalah jumlah banyaknya data yang dimasukkan, data yang ada pada rasa cokelat
sebesar 12. Mean merupakan rata-rata dari banyaknya data, pada rasa cokelat rata-
rata sebesar 97,25. Bagian kolom std. deviation merupakan standar deviasi atau
data yang menyimpang dari rata-rata sebesar 7,852. Bagian kolom std. error atau
kesalahan baku atau data yang menyimpang dari banyaknya data adalah sebesar
2,267. Lower bound dan upper bound yang artinya batas bawah dan batas atas dari
cokelat adalah 92,26 dan 102,24. Minimum adalah data terkecil dari seluruh data
bagian cokelat adalah 86 dan maximum adalah data terbesar dari seluruh data
bagian sifon adalah sebesar 110.
Pada hasil outpute anova one way terdapat between groups sebesar 2421,933,
bagian within groups sebesar 9982,250 dan total sebesar 12404,183. Bagian degree
of freedom 4 dari varian rasa 5 dikurangi 1 maka didapat 4 dan 55 didapat dari 5
dikali 12 dikurangi 1 maka didapat 55. Mean square didapatkan sebesar 605,483
dan 181,495 dan didapatkan nilai F sebesar 3,336. Nilai sig. didapat hasil yang
signifikan terhadap jumlah produk dan jumlah penjualan sebesar 0,016. Nilai
tersebut menunjukkan bahwa 0,016 < 0,05 yang berarti H0 ditolak, sehingga dapat
disimpulkan bahwa rata-rata jumlah peminat terhadap varian rasa selama 12 bulan
adalah tidak sama.
Berdasarkan output post hoq berfungsi untuk mengetahui terdapat perbedaan yang
signifikan terhadap data yang satu terhadap data yang lainnya. Bagian post hoq
terbagi menjadi dua, diantaranya bagian tukey dan bonferoni. Bagian tukey
digunakan pada sampel sama banyak dan bonferroni digunakan pada sampel tidak
sama banyak. Karena data yang digunakan lebih dari 50, maka yang dilihat pada
bagian tukey. Perbedaan yang signifikan dapat dilihat antara satu sama lain pada
bagian mean difference terdapat tanda *, apabila terdapat tanda bintang (*) maka
terdapat perbedaan yang signifikan. Bagian tukey tidak terdapat tanda *, maka dari
itu tidak terdapat perbedaan yang signifikan. Contohnya pada bagian cokelat
terdapat standar eror atau kesalah yang menyimpang sebesar 5,500. Nilai sig.
sebesar 0.937 lebih besar dari 0,05 maka tidak terdapat perbedaan rata-rata yang
signifikan antara sifon terhadap katun. Lower bound dan upper bound merupakan
batas atas dan batas bawah dengan nilai -11,26 dan 19,76.
Berdasarkan output homogeneous berfungsi untuk mengetahui sampel atau
variabel tersebut mempunyai perbedaan yang tidak terlalu signifikan. N merupakan
banyaknya data pada semua jenis bahan N sebesar 12. Nilai signifikan sebesar
0.058 yang lebih besar dari 0,05 maka H0 ditolak artinya tidak terdapat perbedaan
yang signifikan antara masing-masing varian rasa.
2. Analisis Pengolahan Software Jumlah Sampel Tidak Sama Banyak
Analisis perhitungan software merupakan penjelasan dari hasil yang telah diperoleh
dari perhitungan software. Berikut ini merupakan penjelasan dari perhitungan
software modul ANOVA. Hasil software pada tabel descriptive stastistic
menunjukan dari 60 data yang diamati dari jumlah peminat dan varian rasa.
Berdasatkan hasil output descriptives contohnya pada bagian rasa cokelat dengan
N adalah jumlah banyaknya data yang dimasukkan, data yang ada pada rasa cokelat
sebesar 12. Mean merupakan rata-rata dari banyaknya data, pada rasa cokelat rata-
rata sebesar 100,60. Bagian kolom std. deviation merupakan standar deviasi atau
data yang menyimpang dari rata-rata sebesar 9,709. Bagian kolom std. error atau
kesalahan baku atau data yang menyimpang dari banyaknya data adalah sebesar
3,070. Lower bound dan upper bound yang artinya batas bawah dan batas atas dari
sifon adalah 93,65 dan 107,55. Minimum adalah data terkecil dari seluruh data
bagian cokelat adalah 87 dan maximum adalah data terbesar dari seluruh data
bagian sifon adalah sebesar 113.
Pada hasil output anova one way terdapat between groups sebesar 2803,000, bagian
within groups sebesar 6489,500 dan total sebesar 9292,500. Bagian degree of
freedom 4 dari varian rasa 5 dikurangi 1 maka didapat 4 dan 45 didapat dari 5 dikali
10 dikurangi 1 maka didapat 45. Mean square didapatkan sebesar 700,750 dan
144,211 dan didapatkan nilai F sebesar 4,859. Nilai sig. didapat hasil yang
signifikan terhadap jumlah produk dan jumlah penjualan sebesar 0,012. Nilai
tersebut menunjukkan bahwa 0,012 < 0,05 yang berarti H0 ditolak, sehingga dapat
disimpulkan bahwa rata-rata jumlah pemesanan terhadap varian rasa selama 12
bulan adalah tidak sama.
Berdasarkan output post hoq berfungsi untuk mengetahui terdapat perbedaan yang
signifikan terhadap data yang satu terhadap data yang lainnya. Bagian post hoq
terbagi menjadi dua, diantaranya bagian tukey dan bonferoni. Bagian tukey
digunakan pada sampel sama banyak dan bonferroni digunakan pada sampel tidak
sama banyak. Karena data yang digunakan lebih dari 50, maka yang dilihat pada
 bagian tukey. Perbedaan yang signifikan dapat dilihat antara satu sama lain pada
bagian mean difference terdapat tanda *, apabila terdapat tanda bintang (*) maka
terdapat perbedaan yang signifikan. Bagian tukey tidak terdapat tanda *, maka dari
itu tidak terdapat perbedaan yang signifikan. Contohnya pada bagian cokelat
terdapat standar eror atau kesalah yang menyimpang sebesar 5,370 Nilai sig.
sebesar 0,929 lebih besar dari 0,05 maka tidak terdapat perbedaan rata-rata yang
signifikan antara sifon terhadap katun. Lower bound dan upper bound merupakan
batas atas dan batas bawah dengan nilai -10,96 dan 19,56.
Berdasarkan output homogeneous berfungsi untuk mengetahui sampel atau
variabel tersebut mempunyai perbedaan yang tidak terlalu signifikan. N merupakan
banyaknya data pada semua jenis bahan N sebesar 12. Nilai signifikan sebesar
0.214 yang lebih besar dari 0,05 maka H0 ditolak artinya tidak terdapat perbedaan
yang signifikan antara masing-masing jenis bahan.

3.3.3 Analisis Perbandingan

Analisis perbandingan merupakan suatu analisis untuk membandingkan
analisis perhitungan secara manual dan perhitungan melalui software.Diharapkan
dengan dilakukannya analisis ini, kami dapat menentukan perhitungan mana yang
menurut kami paling baik digunakan untuk menemukan hubungan antara variabel yang
satu dengan variabel lainnya serta dapat memberikan alasan-alasan atas pilihan
tersebut.
3.3.3 Analisa Perbandingan Manual dan Software
3.5 Perbandingan
Studi Kasus Pembanding Manual Software
Jumlah Kuadrat Kolom 2421,9333 2421,9333
Jumlah Kuadrat Eror 12404,1833 12404,1833
Jumlah Jumlah Kuadrat Total 9982,25 9982,25
Sampel Sama Derajat Bebas Kolom 4 4
Banyak Derajat Bebas Error 55 55
Nilai F Hitung 3,3361 3,3361
Kesimpulan ditolak ditolak
Jumlah Kuadrat Kolom 2803 2803
Jumlah Kuadrat Eror 9292,5 9292,5
Jumlah Jumlah Kuadrat Total 6489,5 6489,5
Sampel Tidak Derajat Bebas Kolom 4 4
Sama Banyak Derajat Bebas Error 42 42
Nilai F Hitung 4,8592 4,8592
Kesimpulan ditolak ditolak

Hubungan antara jumlah produk dan jumlah penjualan yang didapatkan oleh
perusahaan, dapat kita ketahui dengan cara perhitungan manual dan perhitungan
software. Perhitungan manual melalui beberapa metode seperti nenentukan hipotesis,
menentukan taraf nyata. Perhitungan tersebut dapat dilakukan apabila kita memiliki
sejumlah data yang memenuhi syarat dimana data tersebut mengandung variabel
konstan (jumlah penjualan), dan terikat (jumlah produk).Selain dengan perhitungan
manual kita juga dapat menggunakan perhitungan dengan software. Salah satu software
yang dapat kita gunakan adalah SPSS 16.0.
Kelebihan menggunakan perhitungan manual adalah kita dapat mengetahui
proses untuk mengetahui nilai akhir dari perhitungan tersebut. Kelemahan
menggunakan perhitungan manual adalah terlalu banyak menghabiskan waktu jika data
yang diolah terlalu banyak dan bisa juga terjadi kesalahan dalam perhitungan jika tidak
teliti dalam proses pengolahannya. Kelebihan menggunakan perhitungan software
adalah waktu yang diperlukan untuk mengolah data lebih cepat dan hasil perhitungan
lebih akurat.Kelemahan menggunakan perhitungan software adalah perlunya pelatihan
khusus dalam menggunakan software karena tidak semua orang mengerti dalam
menggunakan perhitungan software.
 Dalam hal ini kami lebih memilih untuk menggunakan perhitungan software
dikarenakan tingkat akurasi yang lebih tinggi dari pada perhitungan manual walaupun
bisa saja terjadi kesalahan dalam menginput data tersebut, oleh karena itu perlunya
ketelitian dalam hal menginput data tersebut agar hasil yang diperoleh sesuai dengan
apa yang diharapkan. Jika kita lihat pada tabel diatas hasil perbandingan yang didapat
melalui perhitungan manual dan perhitungan melalui software SPSS 16.0, hasilnya
adalah sama.
 BAB IV
PENUTUP

4.1 Kesimpulan

Kesimpulan adalah bagian akhir penulisan yang berguna untuk menjawab

tujuan dari penulisan. Berdasarkan hasil data pengamatan selama 12 bulan dan
perhitungan dengan dua metode, dapat disimpulkan bahwa:
1. Berdasarkan hasil perhitungan manual pada jumlah sampel sama banyak (60
data) diperoleh nilai Fhitung sebesar 3,3361 dan nilai F tabel sebesar 2,55.
Berdasarkan data tersebut didapat nilai F0 = 3,3361 > F0,05(4;55) = 2,55, maka H0
ditolak. Berdasarkan hal tersebut maka rata-rata jumlah peminat brownis dari
kelima varian rasa brownis, yaitu cokelat, pandan, keju, green tea, tiramisu
selama 12 bulan adalah tidak sama.
Berdasarkan hasil pengolahan software pada jumlah sampel sama banyak (60
data) diperoleh nilai Fhitung sebesar 3,3361 yang berarti F0 = 3,3361 > F0,05(4;55)
= 2,55, maka H0 ditolak. Berdasarkan hal tersebut maka rata-rata jumlah
peminat brownis dari kelima varian rasa brownis, yaitu cokelat, pandan, keju,
green tea, tiramisu selama 12 bulan adalah tidak sama.
2. Berdasarkan hasil perhitungan manual pada jumlah sampel tidak sama banyak
(50 data) diperoleh nilai Fhitung sebesar 4,8592 dan nilai F tabel sebesar 2,59.
Berdasarkan data tersebut didapat nilai F0 = 0,1377 > F0,05(4;45) = 2,59, maka H0
ditolak. Berdasarkan hal tersebut maka rata-rata jumlah peminat brownis dari
kelima varian rasa brownis, yaitu cokelat, pandan, keju, green tea, tiramisu
selama 12 bulan adalah tidak sama.
Berdasarkan hasil pengolahan software pada jumlah sampel sama banyak (50
data) diperoleh nilai Fhitung sebesar 4,8592 yang berarti F0 = 4,8592 ≤ F0,05(4;45)
= 2,59, maka H0 ditolak. Berdasarkan hal tersebut maka rata-rata jumlah
peminat brownis dari kelima varian rasa brownis, yaitu cokelat, pandan, keju,
green tea, tiramisu selama 12 bulan adalah tidak sama.
 DAFTAR PUSTAKA

Hasan, M. Iqbal. 2003. Statistika 2 (Statistika Inferensif) Edisi Kedua. Jakarta:

Bumi Aksara.
Nurgiantoro, Burhan, dkk. 2002. Statistika Terapan. Yogyakarta: Gajah Mada.
Riduwan. 2010. Dasar-Dasar Statistika. Bandung: Alfabeta.
Siregar, Syofian. 2017. Statistika Terapan Untuk Perguruan Tinggi. Jakarta :
KENCANA
Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: PT Gramedia
Pustaka Utama.